BiRefNet_HR
קוד פתוחZhengPeng7mit2025-02-01
מודל סגמנטציה שמיועד לחיתוך אובייקטים ברזולוציה גבוהה של 2048x2048. הוא נותן דיוק גבוה סביב קצוות ופרטים דקים בלי לכווץ את התמונה לגודל קטן.
- 221Mפרמטרים
- 424 MBמשקל הקבצים
- 56,499הורדות בחודש
- 79לייקים
מה זה
מדובר בגרסת הרזולוציה הגבוהה של BiRefNet שמיועדת למשימות סגמנטציה בינארית של עצמים. רוב המודלים בתחום הזה רגילים לעבוד על מידות של סביב 1024 פיקסלים או פחות, מה שגורם לאיבוד של שיער, חוטים וקצוות עדינים. כאן האימון בוצע ישירות על תמונות בגודל 2048x2048 כדי לשמר את כל המידע המרחבי.
בטבלת המבחנים על DIS-VD, המודל נבדק בפורמט FP16 מול הגרסה הרגילה. כשמריצים אותו במידות המקוריות שלו של 2048x2048, הוא רושם שגיאה ממוצעת MAE של .026 ומדד maxFm של .925. הנתונים מראים יתרון ברור בדיוק הגבולות ברזולוציה המלאה בהשוואה לגרסה הרגילה שנבדקה באותו גודל.
מתאים ל
- הסרת רקע בתמונות ענק
מתאים לחיתוך מוצרים ופורטרטים ברזולוציה של 2048 פיקסלים תוך שמירה על שיער ופרטים קטנים.
- גזירת עצמים מורכבים
מספק תוצאות חדות על גבולות דקים בזכות אימון ייעודי על סט הנתונים DIS-TR.
- פייפליין מקומי לגרפיקה
מאפשר לעבד קבצים כבדים מקומית בלי לחתוך או להקטין אותם מראש לגדלים סטנדרטיים.
איפה זה נופל
החיסרון המרכזי בגרסה הזו הוא התלות החזקה ברזולוציית הקלט. לפי הטבלה בכרטיס, אם מזינים לו תמונה במידות 1024x1024 במקום 2048x2048, הביצועים שלו צונחים והשגיאה עולה ל־.041 ב־MAE עם שגיאת HCE של 1348. למעשה, ברזולוציה הנמוכה יותר הגרסה הרגילה BiRefNet-general-epoch_244 עוקפת אותו. אם התמונות שלכם קטנות, המודל הזה יעבוד פחות טוב ויבזבז משאבים מיותרים.
שאלות
נפוצות
האם כדאי להשתמש בו אם התמונות שלי קטנות מ־2048x2048?
לא. המדידות מראות שבגודל 1024x1024 המודל הזה מפסיד לגרסת BiRefNet הרגילה, ולכן הוא משתלם רק אם עובדים בפועל ברזולוציה הגבוהה.
איזה כרטיס מסך נדרש כדי להריץ אותו?
המשקלים שוקלים 424 MB בלבד עם 221M פרמטרים, כך שכל כרטיס מסך בסיסי עם תמיכה ב־FP16 יחזיק אותו בקלות.
איך מריצים
טעינת המשקלים נעשית בקלות דרך Transformers בעזרת AutoModelForImageSegmentation עם הדגל trust_remote_code=True, או ישירות דרך הקוד של המאגר בגיטהאב. המשקלים עצמם שוקלים 424 MB, כך שההורדה מהירה והמודל נכנס בקלות לזיכרון של כמעט כל מעבד גרפי מודרני.
אפשר להריץ את ההסקה גם על מעבד רגיל דרך PyTorch, אבל עיבוד תמונות מלאות ברזולוציה כזו יהיה אטי מאוד בלי GPU ייעודי. למי שרוצה רק לבדוק תמונות בודדות לפני שמשלבים בקוד, יש דמו פעיל בחינם בתוך Hugging Face Spaces ומחברות Colab מוכנות שהמפתח קישר.
pip install -U huggingface_hub hf download ZhengPeng7/BiRefNet_HR
הקבצים
8 קבצים במאגר, 424 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הפרויקט מופץ תחת רישיון mit. מותר להשתמש בו לצרכים מסחריים, לשנות את הקוד ולהטמיע אותו במוצרים סגורים בלי לשלם תמלוגים, כל עוד שומרים על הודעת זכויות היוצרים המקורית של היוצר Peng Zheng.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש